FDE у OpenAI: Codex, skills и MCP вместо месяцев кастома

Команда forward deployed engineering появилась в начале 2025, чтобы сузить разрыв между тем, что модель умеет на демо, и тем, что держится в проде. Colin Jarvis разбирает логику через вопрос про Codex: если агент за один проход собирает то, на что ушли месяцы, задача инженеров — поднять пол, чтобы следующий заказчик не тащил ту же ручную обвязку.

Сначала результат

На каждой сессии FDE держатся девиза «начни с результата, сделай что нужно для успеха, потом масштабируй». В середине 2025 около 15 инженеров встроились в верификацию у крупного полупроводникового заказчика — больше десяти сценариев, от генерации directed tests до root cause analysis. За первые 3–6 месяцев кейсы дошли до прода; по метрикам заказчика AI-сценарии сэкономили около 48% времени на генерации тестов, оптимизация ядер дала медианный прирост порядка 22%.

Меньше клея, больше Codex

Когда Codex подрос, один FDE пересобрал линию вокруг него: отдельные терминалы и CLI под каждый кейс убрали, интерфейсом стал сам Codex. Кастомного кода в проектах сняли примерно 90%; общие примитивы вынесли в skills и plugins. Расширение на соседнюю команду свелось к новым коннекторам и MCP-серверам, свежим evals и быстрому старту — в примере августа 2026 первая выкладка заняла два месяца, вторая команда подключилась за один день.

• skills и plugins вместо отдельного UI на каждый сценарий
• централизованные улучшения Codex вместо glue-кода на каждый проект
• MCP и evals как способ переноса паттерна между командами

Когда модель не тянет

У телеком-заказчика голос давал около 90% обращений в поддержку, но на ключевых evals модель стартовала с ~60%. FDE вместе с Research за полгода довели метрики до 90%+; голосовой сценарий ушёл в продукт Presence. Пилот Tax AI для Crete обработал 7000 деклараций и поднял пропускную способность примерно на 50% — оба кейса про обратную связь в продукт и в модель, а не про бесконечный кастом под одного клиента.

Источник: What FDE means at OpenAI.